HPA和helm
HPA
pod的数量进行扩缩容
针对控制器创建的pod
deployment:
replica:
静态:edit
yaml:apply -f
HPA:基于cpu的利用率来实现pod数量的自动伸缩。
Horizontal pod autoscaling
yaml文件————主流——————>必须要有资源控制这个字段才能生效。
命令行 生成hpa的配置
比要条件:
前置比要条件:控制创建,而且必须能设置副本数
配置的必要条件:必须要声明pod的资源控制。
依赖环境:
metrices-server hpa使用的依赖环境。k8s使用集群资源的集中查询器。收集资源使用数据,给HPA,scheduller等等使用
echo 1 > /proc/sys/vm/drop_caches # 释放页面缓存 echo 2 > /proc/sys/vm/drop_caches # 释放目录项和inode缓存 echo 3 > /proc/sys/vm/drop_caches # 释放所有缓存
[root@master01 hpa]# vim hpa.yaml apiVersion: apps/v1 kind: Deployment metadata:name: hpa-test1labels:hpa: test1 spec:replicas: 1selector:matchLabels:hpa: test1template:metadata:labels:hpa: test1spec:containers:- name: centosimage: centos:7command: ["/bin/bash", "-c", "yum install -y epel-release --nogpgcheck && yum install -y stress --nogpgcheck && sleep 3600"]volumeMounts:- name: yum1mountPath: /etc/yum.repos.d/resources:limits:cpu: "1"memory: 512Mivolumes:- name: yum1hostPath:path: /etc/yum.repos.d --- apiVersion: autoscaling/v1 kind: HorizontalPodAutoscaler metadata:name: hpa-centos1 spec:scaleTargetRef:apiVersion: apps/v1kind: Deploymentname: hpa-test1 #就是用来匹配需要监控器类型和名称 #资源占用率高,要扩容,扩容的数量 #资源占用率低,要缩容,最小的保持数量 #定义扩缩容的指标,阈值。minReplicas: 1maxReplicas: 6targetCPUUtilizationPercentage: 50 #占用50%的cpu [root@master01 nginx1]# kubectl top node node01 NAME CPU(cores) CPU% MEMORY(bytes) MEMORY% node01 328m 16% 1938Mi 52% [root@master01 hpa]# kubectl get hpa NAME REFERENCE TARGETS MINPODS MAXPODS REPLICAS AGE hpa-centos2 StatefulSet/hpa-test1 0%/50% 1 6 2 2m13s nginx1 Deployment/nginx1 1%/80% 1 6 1 64m
扩容和缩容的速度
扩容是一旦达到阈值,会立即扩容。
缩容的速度会相对较慢。
为了保证pod的正常工作,扩容必须要快。
缩容的时候为了保证pod的资源突然又变大了,可以继续维持pod的数量。在一定时间之内,pod占用的资源维持在了较低的比率,然后开始慢慢缩容。
对命名空间做资源限制:
[root@master01 hpa]# vim ns.yaml apiVersion: v1 kind: ResourceQuota metadata:name: ns-xy102namespace: xy102 #对指定的命名空间进行资源限制 spec:hard:pods: "20" #设置该命名空间可以创建pod的最大数量requests.cpu: "2" #只能使用2个cpurequests.memory: 1Gi #只能使用1个G的内存limits.cpu: "3"limits.memory: 2Gi #limits是最多能使用多少configmaps: "10" #创建configmap的数量限制persistentvolumeclaims: "4" #创建pvc请求的限制secrets: "10" #创建加密配置文件的限制services: "10" #创建service的限制 [root@master01 hpa]# kubectl apply -f ns.yaml resourcequota/ns-xy102 created [root@master01 hpa]# kubectl describe namespaces xy102 Name: xy102 Labels: <none> Annotations: <none> Status: Active Resource QuotasName: ns-xy102Resource Used Hard-------- --- ---configmaps 1 10limits.cpu 0 3limits.memory 0 2Gipersistentvolumeclaims 0 4pods 0 20requests.cpu 0 2requests.memory 0 1Gisecrets 1 10services 0 10 No LimitRange resource.
limitRange:
只要是创建在这个命令空间的pod。都会根据limitRange的配置来对所有的pod进行统一的资源限制
[root@master01 hpa]# vim limitRange.yaml apiVersion: v1name: xy102-limit apiVersion: v1 kind: LimitRange metadata:name: xy102-limitnamespace: xy102 #指定命名空间 spec:limits:- default: #直接加default就相当于是上限memory: 1Gicpu: "4"defaultRequest: #这个就是软限制memory: 1Gicpu: "4"type: Container #指定类型,Container pod pvc [root@master01 hpa]# kubectl describe namespaces xy102 Name: xy102 Labels: <none> Annotations: <none> Status: Active Resource QuotasName: ns-xy102Resource Used Hard-------- --- ---configmaps 1 10limits.cpu 0 3limits.memory 0 2Gipersistentvolumeclaims 0 4pods 0 20requests.cpu 0 2requests.memory 0 1Gisecrets 1 10services 0 10 Resource LimitsType Resource Min Max Default Request Default Limit Max Limit/Request Ratio---- -------- --- --- --------------- ------------- -----------------------Container memory - - 1Gi 1Gi -Container cpu - - 4 4 -
helm:
nginx ingress
deployment
svc
ingress
heml提供了一个模板,可以一键化的部署微服务。
通过打包的方式,把所有需要的yaml文件集合一起,然后一键部署。
可以支持回滚。
heml
k8s的部署可以配置,可以集成,可以动态修改
三个概念:
Chart:部署安装k8s微服务的模板。类似于linux里面的rpm包。
Repository:仓库,仓库用来保存Chart
Release:当我们使用chart部署微服务时。每部署一次就会有一个Release。(理解为版本号)
[root@master01 opt]# rz -E rz waiting to receive. [root@master01 opt]# tar -xf helm-v3.10.0-linux-amd64.tar.gz [root@master01 opt]# ls linux-amd64 [root@master01 opt]# cd linux-amd64/ [root@master01 linux-amd64]# mv helm /usr/local/bin/ [root@master01 linux-amd64]# vim /etc/profile source <(kubectl completion bash) [root@master01 linux-amd64]# source /etc/profile #安装仓库和模板 helm repo add bitnami https://charts.bitnami.com/bitnami helm repo add stable http://mirror.azure.cn/kubernetes/charts helm repo add aliyun https://kubernetes.oss-cn-hangzhou.aliyuncs.com/charts helm repo add incubator https://charts.helm.sh/incubator ###上面这几个在master命令行输入 #更新当前所有仓库的chart [root@master01 linux-amd64]# helm show chart aliyun/nginx-lego ###查看chart的详情 [root@master01 linux-amd64]# helm repo remove aliyun [root@master01 linux-amd64]# helm install redis1 stable/redis -n default ###用helm创建redis的pod [root@master01 linux-amd64]# helm uninstall redis1 release "redis1" uninstalled ###删除helm创建的pod
使用helm的yaml模板 [root@master01 opt]# mkdir helm [root@master01 opt]# cd helm/ [root@master01 helm]# helm create nginx1 Creating nginx1 [root@master01 helm]# yum -y install tree [root@master01 helm]# tree nginx1/ nginx1/ ├── charts #依赖环境,一般为空,也不需要 ├── Chart.yaml #包含chart的元信息,chart的版本,名称等等 ├── templates #包含了部署k8s的应用pod的模板文件 │ ├── deployment.yaml #基于控制器 │ ├── _helpers.tpl │ ├── hpa.yaml #做hpa的监控,自动伸缩 │ ├── ingress.yaml #对外访问 │ ├── NOTES.txt │ ├── serviceaccount.yaml #创建服务账号 │ ├── service.yaml #创建service的清单 │ └── tests │ └── test-connection.yaml └── values.yaml #我们的配置在values里面完成,集合在了这个配置里面,当配置完成之后,可以通过values配置把参数传给 template里面的模板文件,进行覆盖。 3 directories, 10 files
[root@master01 nginx1]# vim values.yaml replicaCount: 3 ##更改副本数 tag: "1.22" #tag:使用镜像的版本号,不改默认最新 ingress:enabled: true hosts:- host: www.xy102.compaths:- path: /pathType: Prefix resources:limits:cpu: 100mmemory: 128Mi# requests:# cpu: 100m# memory: 128Mi autoscaling:enabled: trueminReplicas: 1maxReplicas: 6targetCPUUtilizationPercentage: 80
[root@master01 helm]# helm package nginx1/ Successfully packaged chart and saved it to: /opt/helm/nginx1-0.1.0.tgz [root@master01 helm]# ls nginx1 nginx1-0.1.0.tgz [root@master01 helm]# helm install nginx1 /opt/helm/nginx1-0.1.0.tgz #第一次部署,release就是版本号,版本号1
相关文章:
HPA和helm
HPA pod的数量进行扩缩容 针对控制器创建的pod deployment: replica: 静态:edit yaml:apply -f HPA:基于cpu的利用率来实现pod数量的自动伸缩。 Horizontal pod autoscaling yaml文件————主流——————…...
基于人工智能的智能语音助手
语音助手的自然语言处理模块是语音助手系统的关键组成部分。通过这个模块,系统能够识别用户的意图并做出相应的回应。我们可以使用NLP技术来解析文本输入,并将其转换为系统可以理解的命令或指令。在本项目中,我们将结合语音识别、自然语言处理…...
java实际开发——数据库存储金额时用什么数据类型?(MySQL、PostgreSQL)
目录 java开发时金额用的数据类型——BigDecimal MySQL存储金额数据时用的数据类型是——decimal PostgreSQL存储金额数据时用的数据类型是——decimal 或 money java开发时金额用的数据类型——BigDecimal https://blog.csdn.net/Jilit_jilit/article/details/142180903?…...
Java 设计模式-状态模式
目录 一. 概述 二. 主要角色 三. 代码示例 四. 优缺点 优点: 缺点: 五. 常见应用场景 一. 概述 状态模式是一种行为设计模式,它允许一个对象在其内部状态改变时改变它的行为。对象看起来好像修改了它的类。状态模式把所有的与一个特定…...
2024.9.13 Python与图像处理新国大EE5731课程大作业,索贝尔算子计算边缘,高斯核模糊边缘,Haar小波计算边缘
1.编写一个图像二维卷积程序。它应该能够处理任何灰度输入图像,并使用以下内核进行操作: %matplotlib inline import numpy as np import matplotlib.pyplot as plt from scipy import linalg import random as rm import math import cv2# import and …...
动态IP池的IP都是纯净IP吗?
在当今互联网时代,动态IP池作为一种网络资源管理策略,被广泛应用于数据抓取、市场调研、广告验证等多种场景中。动态IP池能够提供大量可轮换的IP地址,以帮助用户避免因频繁访问同一网站而被封禁IP的情况。然而,一个关键的问题是&a…...
【MySQL】查询表中重复数据、模糊查询列信息、快速copy表数据(1)
一、SQL查询重复的数据: 1、SQL格式: Select * From 数据表 Where 重复记录字段 in ( select 重复记录字段 From 数据表 Group By 重复记录字段 Having Count(重复记录字段)>1) 2、举例: 在这个patient_member_info表中,我们…...
计算机操作系统之并行性与并发性笔记
目录 在计算机操作系统中,并行性与并发性是两个既相似又有区别的重要概念 并行性: 并发性: 可以通过多任务处理和资源共享来具体说明 并发性的例子 并行性的例子 总结 在计算机操作系统中,并行性与并发性是两个既相似又有区别…...
顶级高效的ChatGPT论文润色提示词和使用技巧
在学术研究中,精确和高效地对文本进行润色和修改是一个必不可少的重要环节。随着学术论文篇幅的增长和内容的复杂度上升,找到一种能够有效整理和优化修改内容的方法变得尤为关键。本文将探讨如何利用ChatGPT作为工具,通过具体的指令和策略,来优化文本的修改过程,提高学术写…...
WebAPI (一)DOM树、DOM对象,操作元素样式(style className,classList)。表单元素属性。自定义属性。间歇函数定时器
文章目录 Web API基本认知一、 变量声明二、 DOM1. DOM 树2. DOM对象3. 获取DOM对象(1)、选择匹配的第一个元素(2)、选择匹配多个元素 三、 操作元素1. 操作元素内容2. 操作元素属性(1)、常用属性(href之类的)(2)、通过style属性操作CSS(3)、通过类名(cl…...
若依框架开发
若依环境 介绍 若依是一款快速开发平台(低代码),用于快速构建企业级后台管理系统,它提供了许多常用的功能模块和组件,包括权限管理、代码生成、工作流、消息中心等 官方地址: https://www.ruoyi.vip/ 基于Spring Boot和Spring Cloud…...
局域网windows下使用Git
windows下如何使用局域网进行git部署 准备工作第一步 ,ip设置设置远程电脑的ip设置,如果不会设置请点击[这里](https://blog.csdn.net/Black_Friend/article/details/142170705?spm1001.2014.3001.5501)设置本地电脑的ip:验证 第二步&#x…...
Redis访问工具
使用Redis存储缓存数据,如何通过Java去访问Redis? 防止后面看晕,先来张图。 1. Redis的客户端库 Redis的客户端库是Redis官方提供的,用于让Java等编程语言与Redis服务器进行通信的工具包。常见的Redis客户端库有多个,…...
vue3+ant design vue动态实现级联菜单~
1、这里使用的是ant design vue 的TreeSelect 树选择来实现的。 <a-form-item name"staffDept" label"责任部门" labelAlign"left"><a-tree-selectv-model:value"formState.staffDept"show-search//允许在下拉框中添加搜索框…...
软件可维护性因素例题
答案:C 知识点: 系统可维护性因素决定 可理解性 可测试性 可修改性 选项C可移植性错误...
git的一些操作
参考视频: git分支详解(约10分钟掌握分支80%操作),git-branch,git分支管理,git分支操作,git分支基础和操作,2023年git基础使用教程 不同的分支相当于不同的平行世界 合并分支 两个分支是我们项…...
opencv实战项目二十三:基于BEBLID描述符的特征点匹配实现表盘校正
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、特征点匹配介绍二、特征点检测三、特征描述符计算四,描述符的匹配筛选五,根据匹配结果映射图片六,整体代码:…...
数据库是全表扫描是怎么扫描法?
全表扫描是数据库服务器用来搜寻表的每一条记录的过程,直到所有符合给定条件的记录返回为止。 在执行全表扫描时,数据库会逐行扫描表中的所有记录,以找到符合查询条件的记录。这种扫描方式适用于没有为查询条件中的字段建立索引的情况。全…...
认准这10款人力资源系统,90%的企业都在用!
本文将为大家推荐十款主流的人力资源系统,为企业选型提供参考! 想象一下,企业在不断发展壮大的过程中,员工数量逐渐增多,人事管理变得越来越复杂。如果没有一个高效的人力资源系统,就如同在大海中航行却没有…...
2024年我的利基出版转型——新战略与重点解析
这篇文章酝酿已久。这是我在网络出版策略上投入数百小时后得出的成果。 像我们这个行业的许多人一样,即网络出版行业,我一直忙于彻底改造整个出版业务。 这是一段漫长的旅程,这是肯定的。 我预感在此过程中还会有更多调整,但我…...
Fast-GitHub:三步安装解决国内GitHub访问难题的终极指南
Fast-GitHub:三步安装解决国内GitHub访问难题的终极指南 【免费下载链接】Fast-GitHub 国内Github下载很慢,用上了这个插件后,下载速度嗖嗖嗖的~! 项目地址: https://gitcode.com/gh_mirrors/fa/Fast-GitHub 你是否经常因为…...
δ - mem:提升大型语言模型内存效率,得分最高可达 1.31 倍!
快速通道可了解 arXiv 成为独立非营利组织的情况,也能直达康奈尔大学官网。同时,还能通过链接进行捐赠,支持 arXiv 的发展。搜索与导航提供了多种搜索途径,可在所有字段(标题、作者、摘要等)进行搜索。还有…...
避坑指南:Unity热重载插件内存占用高?可能是Windows Defender在搞鬼
Unity热重载性能优化:解决Windows Defender导致的资源占用问题 当你在Unity开发过程中频繁修改C#代码时,热重载(Hot Reload)功能无疑是提升效率的利器。它能让你在游戏运行状态下即时看到代码修改效果,避免反复重启带来的时间浪费。然而&…...
告别Demo!用EMQX和Java模拟真实物联网设备上报数据流(Windows本地开发环境)
告别Demo!用EMQX和Java构建真实物联网数据流模拟方案 在物联网开发中,最令人头疼的莫过于缺乏真实设备进行测试。想象一下,当你精心设计的平台等待设备接入时,硬件团队却告诉你"下周才能交付原型机"。这种等待不仅拖延进…...
量子私有信息检索(QPIR)技术解析与应用前景
1. 量子私有信息检索技术概述量子私有信息检索(Quantum Private Information Retrieval, QPIR)是密码学领域的一项突破性技术,它允许用户从数据库中检索特定条目而不泄露被查询的是哪个条目。这项技术的核心价值在于解决了隐私保护与数据获取…...
告别标题栏!在RK3568 Buildroot固件上,让你的Qt应用开机全屏显示的保姆级教程
RK3568嵌入式全屏实战:从Weston配置到Qt应用独占显示的完整指南 在嵌入式Linux系统开发中,GUI应用的全屏显示往往成为工程师面临的第一个"拦路虎"。当你在RK3568平台上精心开发的Qt应用启动后,却发现屏幕顶部顽固地挂着Weston窗口管…...
Iris API错误处理机制与嵌入式系统优化实践
1. Iris API错误处理机制解析在嵌入式系统开发中,API的健壮性直接影响整个系统的稳定性。Iris框架作为ARM架构下的核心组件,其错误处理机制基于JSON-RPC 2.0规范进行了深度定制,特别适合资源受限的嵌入式环境。与通用Web API不同,…...
Unity区域加载系统:实现开放世界无缝加载与内存优化
1. 项目概述:一个高效、可扩展的Unity区域加载系统 最近在做一个开放世界风格的项目,场景大了之后,加载卡顿和内存管理就成了老大难问题。传统的Unity场景加载,要么一股脑全塞进内存,要么就得自己写一堆脚本来手动控制…...
服务网格Istio实战
服务网格Istio实战 引言 服务网格(Service Mesh)作为微服务架构的基础设施层,提供了对服务间通信的精细控制能力。Istio是目前最流行的开源服务网格解决方案,它通过Sidecar代理拦截所有网络通信,提供流量管理、安全、可…...
Godot游戏引擎与强化学习结合:从零构建AI智能体的实战指南
1. 项目概述:当游戏开发遇上强化学习如果你是一名游戏开发者,或者对游戏AI的实现抱有浓厚兴趣,那么“edbeeching/godot_rl_agents”这个项目绝对值得你花时间深入研究。简单来说,这是一个将当下最热门的强化学习技术与免费、开源的…...
